本文介绍在python中从含混杂文本的csv列中精准提取iso格式日期（如“2024-01-02 rev. 003”），并可靠筛选出**非最新日期**的所有行，避免因直接转换导致的nan中断和逻辑失效。
在处理真实业务数据时，版本号、日志或描述性字段常以“日期 + 文本”形式混合存储（如 2024-01-02 rev. 003）。若直接对整列调用 pd.to_datetime() 并指定 format='%Y-%m-%d'，Pandas 会因无法解析后续文本（如 " rev. 003"）而返回 NaT，导致 dates.max() 计算失败或产生意外空值，最终筛选结果为空或不完整。
正确做法是先提取、再转换、后比较：使用正则表达式精准捕获日期子串，再统一转为 datetime 类型，最后基于提取后的纯日期序列进行逻辑运算。
以下是推荐的三步实现方案：
import pandas as pd
# 示例数据
df3 = pd.DataFrame({
'Version': [
'2024-01-02 rev. 003',
'2024-01-02 rev. 003',
'2023-11-17 rev. 003'
]
})
# Step 1: 使用正则提取 YYYY-MM-DD 格式日期（仅匹配标准日期部分）
s = df3['Version'].str.extract(r'(\d{4}-\d{2}-\d{2})', expand=False)
# Step 2: 安全转换为 datetime；errors="coerce" 将非法匹配转为 NaT
dates = pd.to_datetime(s, format='%Y-%m-%d', errors='coerce')
# Step 3: 筛选日期不等于最大有效日期的所有行（自动忽略 NaT）
df_filtered = df3[dates.ne(dates.max())].copy()
print(df_filtered)
# 输出：
# Version
# 2 2023-11-17 rev. 003✅ 关键优势说明：
- str.extract() 保证只取符合模式的子串，避免整字段解析失败；
- dates.max() 在存在 NaT 时仍能正确返回最大有效日期（Pandas 默认跳过 NaT）；
- ne()（not equal）天然兼容 NaT，不会引发布尔索引错误；
- 原始字符串列 Version 完整保留，便于后续审计或展示。
⚠️ 注意事项：
- 若原始数据中存在多种日期格式（如 MM/DD/YYYY 或 YYYY/MM/DD），需调整正则并配合 infer_datetime_format=True 或多阶段解析；
- 建议在 extract() 后检查 s.isna().sum()，确认是否有未匹配项，必要时补充清洗逻辑；
- 如需保留“最大日期”的所有行（而非排除），将 .ne() 替换为 .eq() 即可。
该方法兼顾健壮性与可读性，是处理非结构化时间字段的标准实践。
